网络媒体建构了意见表达的公共领域，但网民的在线不文明表达又损害了其民主价值。研究基于在线不文明理论，以网民新闻评论行为为研究对象，从情感政治的视角探析了软、硬新闻同网络不文明评论之间的影响关系。研究获取了网易新闻随机样本用户一年内的评论数据，分别采用有监督机器学习和词典法，识别了新闻主题和不文明评论。研究发现，相比于软新闻，网民对硬新闻发布了更多的不文明评论，其中对社会民生和时政两类公共议题的不文明评论量更高。接下来，研究对网民新闻评论的数据建构了动态面板模型，研究发现，网民评论硬新闻越多，日后对时政和社会民生两类公共新闻发表的不文明评论就更多。相反，网民软新闻评论参与越积极，反而降低了日后对公共新闻的不文明评论量。最后，研究从情感政治和传媒娱乐的视角讨论了研究发现的理论意义。
一、研究缘起
Web 2.0时代以来，网络媒体在促进公共参与、建构公共领域方面的民主价值日益突出。网络为公开意见表达提供了开放、平等、自由的空间，成为民众间观点交换、同政府直接或间接对话的重要渠道。政治学领域也将在线公共讨论视为一种“话语式”的公共参与。我国网民借助社交媒体、论坛、新闻网站等渠道展开的公共讨论日益频繁，成为人们介入公共生活的主要方式。然而，群情激荡下的在线公共讨论日益暴露出不文明话语表达的问题（Coe et al.，2014；Papacharissi，2004），这违背了协商民主的理性原则，不仅扰乱了网络空间秩序，也可能降低人们参与公共讨论的意愿、削减政治信任、阻碍观点交换、带来意见极化，消解了网络的民主价值（Lee，2019；Van’t Riet & Van Stekelenburg，2022）。
近年来西方社会政党极化加剧，政府官员、媒体和公民在公共领域中的不文明话语表达也日益频发。研究对美国国会议员的Twitter发帖分析发现，2009~2019年10年间不文明话语增加了23%（Frimer et al.，2023）。Berry和Sobieraj对媒体不文明话语的研究表明，美国知名的政治谈话类电视节目中，平均每两分钟就出现一次不文明用语，平均每个报纸专栏也会出现6处不文明用语（Berry & Sobieraj，2014：59）。Papacharissi（2004）在在线政治论坛中识别出约三成的不文明评论。针对新媒体时代我国网络不文明用语情况，《人民日报》曾刊文指出：“自2014年出现的新一波网络低俗语迅速成为网络流行语。这些词语不仅网民使用，各类自媒体和网络媒体，甚至一些主流新闻媒体在‘两微一端’的文章中也在毫无顾忌地使用。”（闵大洪，2016）对此，在行业自律和部门监管下，近年来媒体中的不文明用语得到了有效遏制，但网民自由表达的不文明话语仍在滋生、传播。
网民的不文明话语表达已经引起了西方传播学者的密切关注。即有研究从理论层面建构了个体和公共维度的不文明话语概念（如Rossini，2022；Muddiman，2017），也有系列经验研究描述了在线不文明话语的表现形式、分布情况和传播规律（如Coe et al.，2014；Song et al.，2021），深入探究了导致不文明话语的成因及其影响（如Hutchens et al.，2015）。数字新闻生态中，新闻议题的类型化特征可能通过不同的心理机制与情感路径，塑造差异化的用户参与模式与表达行为。软新闻通常以轻松、娱乐化的叙事方式提供用户消遣的信息内容，营造出的愉悦氛围也可能降低了人们公共参与中的攻击性表达。而硬新闻涉及公共事务与政治议题，更易触发价值观冲突与身份对抗、加剧观点对立与不文明表达。但这种假设仍缺乏来自中国传播场域的经验证据。对此，本研究将从用户参与的视角出发，以网民新闻评论中的不文明发言为例，具体分析网民不文明评论的议题偏好，解释网民软、硬新闻参与对公共新闻中发表不文明评论的影响机制。在方法层面，研究获取了网易新闻中随机样本用户一年内的新闻评论数据，通过有监督机器学习方法，将用户评论过的新闻分为娱乐、时政、社会民生、财经、体育和科技文化六类。以建构脏话词典的方法，识别出新闻评论中的不文明发言，并通过动态面板模型对软、硬新闻参与如何影响网民不文明发言频率进行因果推断。本研究将对理解网络新闻不文明评论行为规律提供独特的中国经验，也将为我国网络空间治理提供借鉴。
二、文献回顾
（一）网络不文明的概念与表现
近年来，网民的不文明现象日益突出，常表现为挑衅（trolling）、谩骂（flaming）、网络暴力（cyberbullying）等（Song et al.，2021），它往往服务于各种目的的政治讨论，也常出现在异质性观点交锋的公共辩论中（Rossini，2022）。从行为类型上，不文明又被划分为人身攻击（name-calling）、恶意抨击（aspersion）、虚假指控（lying）、粗言秽语（vulgarity）和蔑视贬损（pejorative for speech）5种表达方式，其中，人身攻击指的是针对个体或群体发表的侮辱性、污名化语言（Coe et al.，2014）。对网络新闻评论中不文明用语的统计分析发现，和其他话语行为相比，人身攻击是网民最常用的不文明评论方式（Coe et al.，2014）。粗言秽语明确指向那些违反社会语言规范的脏话（profanity）等粗俗不得体的语言。在现实交流中，这些不文明行为未必存在明显的概念边界，人们也会同时运用多种不文明话语进行语言攻击、发泄愤怒情绪。如脏话就是制造冒犯感、唤醒情绪的最常用语言策略之一，也常被用于人身攻击。
正如不同交流情景中不文明话语的内容和表达方式有所差异一样，学界对不文明（incivility）的定义也并不统一，总体呈现出两个视角的分野——个体和公共层面的不文明（Muddiman，2017）。个体层面的不文明概念深受礼貌理论影响，也有学者将其直接等同于人际交流中的不礼貌行为，表现为辱骂、诋毁、人身攻击或向对方大喊大叫等无礼行径（Ben-Porath，2010）。而公共层面的不文明则与民主规范和理性政治背道而驰（Ng et al., 2020）。哈贝马斯基于协商民主理论，将公共领域的不文明界定为公共讨论的参与者对他人意见的不尊重或缺乏合作的表现（Habermas，1996）。同样聚焦于政治讨论，Rossini（2022：6）将不文明定义为“在特定交流中那些以粗鲁或不敬口吻所表达出的话语”。就网络中的不文明表达而言，网民人际交流时的辱骂、人身攻击体现了个体层面的不文明言论，同时，针对公共议题的公开辩论又具备公共层面的不文明属性。因此，也有学者将个体和公共层面的理论视角相结合，将在线公共讨论中的不文明进一步界定为“以不尊重的话语形式向持异见者进行语言攻击，以贬损或消解冲突政治观点的合法性”（Szabó et al.，2021：1662）。网络不文明表达既包括亵渎、辱骂等个体层面的不文明行为，也包括性别歧视、种族主义、仇恨言论、刻板印象、极端意识形态等公共层面的不文明表达。Muddiman（2017）通过探索性因子分析，发现人们并没有明显感知到个体和公共层面不文明话语的差异，也为这种双重概念提供了支持。本研究关注的新闻网站中用户对公共议题的不文明评论行为，属于典型的网络不文明现象，因此，在概念内涵上也兼具个体和公共两个层面的不文明话语。尤其在网络空间中人们针对公共议题发表意见时，时常交杂着针对特定异见者的语言攻击和针对群体的歧视、敌对等不文明言论，因此个体和公共层面的不文明边界也较为模糊。
（二）影响网络不文明评论现象的原因
既往研究从不同维度探讨了网民不文明行为的成因，当前学界存在二分类和三分类的成因说。各类成因说都将参与者的个体特征作为导致网络不文明行为的重要因素。其中，对个体特征的研究既包含对攻击性、宜人性、开放性等性格特质的考量，也有针对党派身份、政治知识、政治情绪和政治效能感等政治心理因素的探索（Frischlich et al.，2021；Hutchens et al.，2015）。还有研究将个体特征进一步划分为相对稳定的性格特质和以年龄、教育程度为代表的发展型因素（Ng et al.，2020）。除个体特征外，Coe等（2014）还强调了上下文语境对网络新闻中不文明评论行为的影响，并在其研究中具体分析了文章的主题、作者、援引信源三个语境要素的作用。Hutchens等（2015）同样秉持了二分类的成因说，他们将在线政治讨论中的挑衅攻击视为一种不文明行为，并将个体外的成因归纳为匿名性和他人对其观点攻击的媒介情景因素。Elsayed 和 Hollingshead（2022）的研究则将在线不文明行为概括为受众和内容两方面的成因。其中，受众方面的因素既包含性格、政治身份等个体特质，也包含在线讨论频率、群体巴尔干化等传播行为特征。内容因素延续了Coe等（2014）所强调的上下文语境，还补充了文本内容情绪的影响。Frischlich等（2021）的三分类观点将个体的媒体使用从受众因素中抽离出来，和个体所处的媒体平台一同被视为社会环境因素，此外还包括个体性格以及个体对媒介环境的感知。类似地，Ng等人（2020）的综述文章将个体的媒介使用视为除性格和发展变量外的社会变量，社会变量还包含更广泛的社会政治、经济等宏观结构性因素。如研究指出，近年来西方社会的经济、监管、技术等结构性因素变化带来了媒介系统对不文明政治表达的支持（Berry & Sobieraj，2014：75），甚至有政党论坛奖励用户使用以人身攻击为例的不文明表达方式。
在解释网络不文明现象的成因中，新闻的主题类型始终是研究普遍认可的、不可忽视的关键因素。学界在探讨新闻主题与民主生活的关联时，软新闻与硬新闻是较为常见的划分标准。但软新闻和硬新闻又不是绝对互斥的，尤其在信息娱乐（infortainment）、小报化（tabloidization）等新闻类型出现后，新闻的软硬程度也被定位为一个连续谱系中的不同尺度（Boukes & Boomgaarden，2015）。有学者进一步将软、硬新闻视为报道议题、核心焦点和叙事风格三个维度的差异化类型，其中，报道议题是直接区分典型的软、硬新闻的主要维度（Reinemann et al.，2012）。硬新闻主要包括时事政治、行政管理、经济发展、社会民生等严肃议题，软新闻则被界定为有关名人轶事、娱乐八卦、体育竞技、文化生活、人类福祉等报道（Curran et al.，2010）。硬新闻某种程度上又以同社会普遍公共利益密切相关的公共议题为主导，通常指民众共同关注的问题，包括突发公共事件以及社会团体推动的系列社会议题。在转型期的中国社会，公共议题也同国家发展密切相关（曾繁旭，2009）。因此，研究认为当前我国网络环境中的公共议题既包括广泛的社会民生新闻，也包括政策、外交、政治会议等关乎国家大事的时政议题。随着网络技术的普及，网民针对公共议题的在线讨论成为公共参与的重要形式。其中，网络新闻评论指的是网民在新闻网站浏览阅读后，对自己观点、意见的表达行为，对公共议题的新闻跟帖评论也被视为网民公共意见最直接的表达方式。因此，本文也将网民针对公共新闻的不文明评论视为一种公共参与的不文明现象。
过往学界探讨了硬新闻和软新闻的公共传播效果差异。鉴于网络媒体在催生“情感公众”（affective publics）方面的优势（袁光锋，2022：135），本文试图从情感政治的视角剖析两类新闻消费与网络公共不文明表达行为之间的关联。情智理论（affective intelligence theory）认为情绪是驱动个体政治行为的核心因素，大脑会依据监督系统和处置系统对情绪加工处理并引发不同的政治行为，处置系统主要处理身份挑战、价值观冲突等带来的愤怒与激情，进而导致网络骂战等群体极化行为（Marcus et al.，2011）。相比而言，硬新闻的新闻价值更高（Lehman-Wilzig & Seletzky，2010），读者的认知和情感投入更多。尤其涉及到身份政治、群体对立、社会公平、道德恐慌、权利滥用等议题，更容易激发愤怒、焦虑、敌对的不满情绪，人们也更可能通过不文明评论发泄这些情绪。研究同样以新闻评论为例，发现我国网络空间中的公共舆论以负面情绪为主，其中愤怒情绪最多（党明辉，2017）。而愤怒又是导致在线不文明评论的主要情动因素。Coe等（2014）对美国一家新闻媒体的经验证据亦可以表明，经济、政治、法律、税收、外交等硬新闻获得的不文明评论较多，相比之下，健康、生活方式、科技等软新闻下的不文明评论较少。因此，根据硬新闻对负面情绪的唤醒程度，研究提出：
研究假设1：相比于软新闻，网民更容易对硬新闻发表不文明评论。
频繁参与硬新闻也可能培育了不文明的网络公共参与。如Hutchens等（2015）的调查研究发现，越是频繁参与在线政治讨论的人，语言攻击的意图就越明显。他们的另一项研究对这一行为关联背后的心理机制展开了更深入的探究，发现人们在网络上越是频繁地讨论政治议题，对语言攻击的接受程度就越高，进而增加了人们用语言攻击他人的意图（Hmielowski et al.，2014）。而人们之所以对攻击性言论接受度高可能是由于频繁参与政治议题时接触到了更多不文明发言，并在潜意识里默认这是社区情感规则所允许的，同时也是人们对不文明言论的情感效仿。也有研究发现，当人们在线讨论过程中的道德愤怒得到更多积极反馈时，在强化学习的作用下也增加了日后发表愤怒言论的可能性（Brady et al.，2021）。综上我们提出：
研究假设2：网民越是频繁参与硬新闻，对公共议题的不文明评论就越多。
情感政治的视角也可以解释软新闻消费对不文明评论的影响。在线不文明话语表达是一种典型的情动行为，愤怒是其背后的主要情感因素。相较硬新闻，软新闻在议题或话语风格上往往更具娱乐、轻松、诙谐的信息属性。而正如宣泄理论（relief theory）所强调的，娱乐带来的幽默感可以帮助人们释放负面的紧张情绪、缓解压力（Prestin & Nabi，2020）。也有研究发现，政治劝服中加入幽默元素可以引发目标受众的好感、减少对抗（Nabi et al.，2007）。幽默也可以通过缓解人们的愤怒感而遏制不文明评论（Skurka et al.，2018）。除了信息内容所引发的相对短暂的情感状态（state emotions）外，Young（2019）的研究还强调了以追求幽默作为个体习惯性情感特质（trait emotions）的人，在意识形态上也更具亲和力。因此，从情感体验来看，时常关注和参与软新闻的人也可能因为更具幽默感和亲和力而降低对他人语言攻击的意图。据此，本文提出：
研究假设3：网民越是频繁参与软新闻，对公共议题的不文明评论就越少。
四、研究方法
（一）数据获取
在当前我国流行的新闻网站中，网易的受众知名度、行业口碑、下载量、人均单日使用时长一直排名行业前茅。相比于其他新闻网站，网易新闻的用户评论活跃度更高，其“无跟帖，不新闻”的产品定位也彰显了网易平台的用户评论参与优势。因此研究选择网易中的新闻评论用户作为研究对象，进行大规模传播数据的计算分析。在用户数据获取过程中，研究首先采集了2019年9月10日至2020年4月17日期间的首页新闻（N = 119829），为了尽可能捕捉到全部评论用户，在新闻发布两个月后获取参与评论的用户（N = 765335）数据，再从这些用户中随机抽取10%的样本（N = 75607），于2022年7月爬取他们发表过的全部新闻评论数据（N = 32094544），包括评论新闻的标题、评论时间、评论内容等信息。最后，考虑到用户几年内存在多阶段不活跃的现象，研究选取一年内（2021年7月至2022年7月）的数据为分析资料，最终包含34461名用户发表的8023056条新闻评论。
（二）概念测量
1.新闻主题分类
为了了解用户不文明评论的议题偏好，以及软、硬新闻参与对不文明评论的影响差异，研究首先需要对用户评论过的新闻内容进行主题分类。由于在用户评论过的新闻中，部分新闻链接已经失效，无法获取到全文内容，仅通过标题进行主题分类的无监督机器学习准确率较低。因此，研究采用有监督机器学习的方法进行分析。在分类模型训练过程中，先从首页新闻中随机抽取5000条包含全文内容的新闻，将其人工编码为时事政治、社会民生、娱乐、财经、体育、科技文化六大类别，由此提升了新闻分类的准确性。接下来研究采用Python中的grocery包训练新闻主题的分类模型。为了适应待分类新闻正文缺失的数据特征，研究随机抽取以上标注数据中80%的新闻标题作为训练集，剩余20%新闻标题为测试集训练模型。研究发现六类新闻预测的平均准确率（Precision）为82.85%，平均召回率（Recall）为81.38%，平均F1-score为81.64%。最后再通过该模型对样本数据中用户评论过的新闻标题进行主题分类。对分类结果随机抽取500条进行人工标注检验，发现预测率高达84%，具有较高的效度。参考已有研究对软、硬新闻的分类标准（Coe et al.，2014；Widholm & Appelgren，2022），本文在已识别的六类主题中，将时政、社会民生和财经新闻归为硬新闻，将娱乐、体育、科技文化新闻归为软新闻。
2.不文明评论识别
鉴于不文明话语的多样性和隐蔽性，计算方法的研究很难建构一个可以涵盖所有不文明评论的测量指标（Lee et al.，2019）。其中，人身攻击（name-calling）是网民最常用的不文明评论方式（Coe et al.，2014）。因此，本文对网络不文明评论主要关注的是公共和个体层面的人身攻击。在操作化上，人身攻击既包括日常交流中用于骂人的脏话，也包括针对个人或群体的侮辱性语言（如称日本人为“小日子”或“鬼子”等词汇并不属于脏话，却有群体侮辱性）。在具体测量方法上，参照Song等人（2021）的方法，本研究同样选择词典法识别不文明新闻评论。该词典首先囊括了人民日报舆情监测中心公布的65个不文明网络用语。又考虑到在线不文明用语往往是基于特定平台的情景化表达（Rossini，2022），研究还采用了人工识别的方式完善词典，即从用户新闻评论中随机抽取1000条评论，将其中的人身攻击词汇添加到词典中，再随机抽取1000条样本进行识别和词语补充，直到随机样本中未被识别到的不文明评论低于1%为止，最终得到215个词语构成的人身攻击词典。个体层面的人身攻击词语包括人际交流中常用的辱骂和脏话词语，公共层面的脏话多是基于种族、职业、群体等身份特征的侮辱性贬损。为了验证对不文明评论识别的可信度，研究从评论样本中各随机抽取了200条文明和不文明评论内容，将这400条评论打乱顺序后交由两名研究生对其进行是否属于不文明发言的类别编码。编码结果显示信度较高（Cohen’s Kappa = 0.89）。接下来，将两名编码员一致视为不文明的发言视为真实值，以词典法识别到的不文明发言为预测值，发现预测精准率为88%，召回率为94.62%，F1值为91.19%。最后，通过词典匹配的方法，新闻评论内容包含脏话词则在“不文明”变量上编码为1（4.62%），不包含则编为0（95.38%）。基于此，统计发现，大部分样本用户发布不文明评论占总新闻评论量的比例较低，但仍然存在少数极端不文明用户不文明评论的占比较高（4.1%的用户不文明评论占比超过四分之一）。
（三）分析模型
在数据分析方面，研究建构了以月为时间单位的用户新闻评论的面板数据，分别统计了每个用户每月评论软、硬新闻的数量，以及在社会民生和时政新闻中发表不文明评论的数量。在对面板数据统计分析时，研究选择混合效应的动态面板模型以估计新闻参与对个体不文明评论的影响。这种因果推断方法在处理内生性问题上具有显著优势。既可以控制模型中没有观察到的个体特征，从而减少遗漏变量带来的误差，也可以控制那些不随时间变化、且同解释变量相关的个体特征，从而避免内生性。以本研究对个体不文明发言的预测模型为例，通过建构用户多个时间点上新闻评论的面板数据，关注同一个体在不同时间段内传播行为之间的影响关系，可以控制个体性别、年龄、价值观、教育程度等短期内不变的个体因素对不文明评论数量的影响，也可以控制因特殊事件发生带来的不同时间周期内用户不文明评论量的差异。以时政新闻的不文明评论量为例，模型数学公式写为：
uncivil_politicit = β0 + β1 softi,t-1 + β2 hardi,t-1 +β3 uncivil_politici,t-1 + β4 activityi,t +υi +νt + εit
其中，uncivil_politicit 是用户本月针对时政新闻发布不文明评论的数量，作为响应变量放入混合效应模型。β1 softi,t-1 和β2 hard i,t-1 为该用户上个月评论软、硬新闻的数量，该部分作为核心解释变量放入模型。β3 uncivil_politic i,t-1 为响应变量的滞后项，以控制评论行为的惯性，缓解自相关问题。β4 activity i,t 为该用户本月新闻评论的活跃度，作为控制变量纳入模型。模型对核心解释变量和控制变量的系数估计是固定的。υi模型中对每个用户添加的随机截距，即每个用户不文明评论量的基线水平是不固定的。νt为每个月份的随机截距，这意味着模型允许每个时间点有一个不同的基线水平，这个基线水平也是随机变化的。这两个随机项解释了模型中未观测到的个体间和不同时间周期内的异质性对响应变量的影响。
五、研究发现
（一）网络新闻评论中不文明表达的主题比较
为了验证研究假设1，本文首先比较了用户对软、硬新闻发表不文明评论的数量差异。研究分别绘制了用户对软、硬新闻，以及各类新闻议题的不文明跟帖量及其占比的互补累积分布曲线（CCDF，complementary cumulative distribution function）。以不文明跟帖量为例，曲线上任一点的坐标值（X，Y）表示为不文明评论量超过X的用户占比为Y。当各类新闻不文明评论数量相同时（即X取值相同时），哪类新闻的Y值越大，说明有更多用户对该类新闻的不文明评论大于X条。换言之，哪类新闻中不文明跟帖量的互补累积曲线越是靠上，表明用户对该类新闻发表了更多的不文明言论。
首先，研究发现，随机样本用户在硬新闻下发表的不文明评论量始终高于软新闻。说明相比于软新闻，网民更容易对硬新闻发表不文明评论。研究假设1得到了验证。接下来，通过用户对更为具体的六类议题不文明跟帖量的互补累积分布曲线可以发现，整体上人们对社会民生议题的不文明跟帖量最高，其次是时政和体育新闻。阶段性差异表明，当用户不文明评论量在100以内时，用户对社会民生新闻的不文明评论量要高于其他各议题新闻，当不文明评论量超过100条时，社会民生和时政两类议题的不文明评论数量不存在显著差异。以上发现表明，相较其他类型新闻，用户在社会民生和时政两类公共新闻中发表了更多的不文明评论。在这两类公共议题中，对于那些不文明发言量一般的用户而言，他们更倾向于选择社会民生新闻作为发泄对象，但对于那些不文明水平较高的用户而言，他们对社会民生新闻和时政新闻表现出相等程度的咒骂、侮辱等行为。在时政新闻中，网民对俄乌冲突、台海问题、日韩动态等国际议题的不文明评论更积极，且多表现为民族仇恨情绪。社会民生新闻中，“唐山打人事件”、“东航客机失事”，以及性别冲突、无差别伤人等公共事件更容易引起民愤，不文明评论也更多。而体育新闻中则多表现为球迷斥责和黑粉辱骂等。
（二）新闻参与对网络不文明评论的影响
接下来，为了解答软、硬新闻参与对在线不文明话语表达的影响，研究分别以用户每月时政和社会民生新闻中的不文明评论量为因变量，以软、硬新闻评论量的滞后项为自变量，本月活跃度和因变量的滞后项为控制变量，建构混合效应的动态面板模型。由于对多数用户而言，每月都对时政和社会民生新闻发表不文明评论并不是普遍现象，导致模型因变量的计数值为零的情况较多，且用户两类新闻不文明评论量的分布都是高度离散的，故研究采用零膨胀的负二项回归对模型进行拟合，并采用最大似然法对模型估计。模型拟合前，研究对自变量的共线性诊断显示，所有变量的方差膨胀因子（VIF）均处于可接受范围内（VIF范围：1.17-7.13）。为了控制中度共线可能对模型结果带来的影响，研究也在拟合时设置了秩检验参数。结果表明，所有变量仍然保留在拟合模型中，这也说明变量均提供了独立的信息贡献，尚未达到完全共线性，模型结果可靠。表2呈现了两个模型的回归结果。
表2中模型的零膨胀系数用于估计观测值总为零，即从未发表不文明评论的概率。计数部分用于估计在发表不文明评论的用户群体中，软、硬新闻参与对不文明评论数量的影响。由于计数系数作为模型主效应解释了研究假设关心的软、硬新闻参与对不文明评论量的影响，因此，下文的结果解读将集中于计数部分，零膨胀部分的完整结果呈现在表2中，但不作为讨论重点。
从以上两个模型的计数系数可以发现，控制了用户个体间差异、时间差异、活跃度和因变量动态自相关性的情况下，用户过去一个月内参与硬新闻评论的数量越多，当前月对社会民生（β = .04, p < .001）和时政新闻（β = .09, p < .001）发表不文明评论的数量也会增多。这表明，网民越是频繁参与硬新闻，对公共议题的不文明评论就越多。研究假设2得到了支持。相反，用户过去一个月内参与软新闻评论的数量越多，当前月针对社会民生（β = -.15, p < .001）和时政新闻（β = -.31, p < .001）发表不文明评论的数量就更少。即，网民越是频繁参与软新闻，对公共议题的不文明评论就越少。研究假设3也得到了支持。
六、结论与讨论
本文以网易新闻平台的随机用户数据分析发现，相比于软新闻，网民对硬新闻发表了更多的不文明评论。在各类新闻议题中，网民对社会民生新闻的不文明评论量最高，其次是时政新闻。网民新闻评论作为民众对社会公共事务的意见表达方式，也构成了公共舆论的重要面向。从情感政治的视角来看，转型期的中国社会，公共舆论中的情感表达日益突出，在诸如反腐斗争、阶层冲突、医患矛盾等公共事件下，愤怒、不公、仇恨等情感基调也刺激了网民的怨恨式批评（袁光锋，2022）。公共不文明话语突出并非我国网络空间的特有倾向，西方社会亦是如此。如针对Facebook中新闻帖的评论比较表明，政治、经济等硬新闻要比艺术、生活方式相关的软新闻引发了更多的不文明评论（Daxenberger et al., 2018）。Twitter中的政治议题也引领了不文明话语的增长趋势（Theocharis et al., 2020）。而人们之所以对政治新闻的不文明评论也较多，是因为政治不仅是一个富有情感的公共议题（Szabó et al., 2021），同时也更常体现出鲜明的立场（Coe et al.，2014）。身份政治就是其中的典型代表，在西方社会主要表现为不同党派、宗教、种族、性别等群体间的歧视和敌意，而在我国则更多体现为国际冲突事件中网民对美国、日本、韩国等国家的仇恨言论。
为了探索软、硬新闻参与对个体在线不文明行为的影响，本文通过动态面板模型进行了因果推断，发现网民越是频繁参与硬新闻，接下来对社会民生和时政新闻发表不文明评论的数量就更多。从问题行为理论（problematic behavior theory）的归因视角来看，媒介环境感知对个体在线不文明行为发挥了重要影响（Frischlich et al., 2021）。正如上文研究发现，相比其他话题，网络中的硬新闻招致了更多的不文明评论。因此，频繁浏览和参与硬新闻讨论帖的人也可能接触到了更多的不文明言论，感知到的社区规范就更宽松，对不文明言论的接受度更高，也更容易效仿类似的话语表达方式（Hmielowski et al.，2014）。公共事件的舆论氛围也可以为这一研究发现提供相对宏观视角的解读。近年来，我国现象级的公共事件日益暴露出社会利益格局固化、社会差异明显的结构性问题，逐步形成了怨恨、愤懑、焦虑等负面情绪主导的网络舆论氛围（成伯清，2009；袁光锋，2018）。因而，在负面舆论的熏染下，专注参与公共议题的网民也更可能通过辱骂、人身攻击等不文明方式宣泄情绪。
相反，关于软新闻参与如何影响公共表达文明性的问题，研究发现，网民软新闻评论量的增长，会遏制人们对公共议题发布不文明评论的数量。从新闻消费的情绪效果来看，软新闻消费有助于提升幸福感（Boukes & Vliegenthart，2017），参与以娱乐为代表的软新闻的幽默感可能会缓解愤怒的不文明评论（Skurka et al.，2018）。以软新闻中的娱乐议题为代表，还有研究发现，积极的传媒娱乐使用带来了个体的政治犬儒心理（Guggenheim et al.，2011），这也可能降低人们采用不文明发言这种高风险行为的意愿。在泛娱乐的网络环境中，网民对严肃公共事件的话语表达也呈现出娱乐化色彩。有研究提取了公共事件中网络流行语的情绪特征，发现超过半数的流行语体现了娱乐、嘲笑、讽刺、恶搞、质疑、狂欢等戏谑调侃的网民情绪（周俊，王敏，2016）。因而本文认为，那些更多参与包含幽默、八卦、嘲讽等娱乐议题讨论的人，在公共意见表达中也更可能选择除辱骂、攻击外的娱乐调侃方式。以近年来我国网络空间兴起的粉丝民族主义行动为例，参与主体多是从饭圈迁徙而来的青年群体，他们在参与网络爱国主义行动时更倾向表达反讽、愤世嫉俗甚至是正向情感，而不是仇恨与愤怒（刘海龙，2017）。
同尼尔·波兹曼“娱乐至死”理论不同的是，本文发现，网民对娱乐等软新闻参与并没有带来更多的在线不文明行为。研究认为，现代社会媒介生活变迁是带来这一差异化发现的重要成因。关于软新闻、小报化、娱乐化削弱公共理性的负面观点兴起于电视媒体时代，公民的软新闻使用以收看影视剧、综艺等娱乐节目为主，仍是一种被动的休闲消遣行为。而到了网络媒介社会，网民对软新闻的评论参与是一种更为主动的媒介参与行为，人们通过新闻参与习得数字媒体技能、深谙在线社区规范，在培育积极公民方面也存在一定潜力。因此，本研究也进一步丰富了数字媒体时代的传媒娱乐理论。总之，本文关于娱乐等软新闻参与遏制在线不文明表达的研究发现说明，在当前网络生态中，不应简单地将娱乐视为“愚乐”和“非理性”的代名词，尤其在娱乐与公共话语的融合过程中，它深刻改变着人们对公共事务的理解、谈论和行动方式。软新闻在维护公共理性上的积极影响也在理论上间接表明了娱乐等软新闻作为公共议题情绪解压阀的作用。但研究仍然局限于传播行为层面的计量分析，并没有测量情绪作为软新闻参与和不文明发言之间的中介效果，这也有待日后研究验证。本研究发现也启发我国传媒工作应该鼓励生产兼顾人文关怀和审美价值的优质软新闻，丰富公众文化生活的同时，营造积极的网络情感空间，实现软新闻的公共价值。
研究采用动态面板数据的因果推断方法，相比于对用户截面数据的回归分析也具有一定的优势。尤其在计算范式的传播学研究中，用于解释个体行为的数据指标有限是降低因果推断准确性的关键障碍。以本研究为例，若使用截面数据中的用户新闻跟帖频率对不文明评论进行回归分析，实际上是通过用户间差异的比较以估计新闻跟帖与不文明评论间的相关性，个体教育程度、性格特质、网络素养等可能影响在线不文明的因素就无法被控制估计，带来内生性问题。而本文使用的动态面板数据分析，是在控制了个体间长期稳定的特征差异的条件下，对同一个体不同时间段内传播行为的因果推断，更大程度避免了因遗漏关键变量带来的内生性问题，也符合因果推断中“因在前，果在后”的时间条件。
研究也存在着一定的不足。在研究方法上，研究仅通过新闻议题属性对软、硬新闻进行归类，没有涉及更为复杂的叙事风格、报道口吻等综合识别方式。在复杂的网络不文明话语表达中，研究只聚焦了人身攻击这一常见类型，尚未全面捕捉虚假指控、恶意抨击等更为隐晦、复杂的不文明表达。同时，研究采用词典法识别不文明帖，虽然做到了高效、简洁，但相比于机器学习方法，对反讽、隐喻等不文明表达及上下文语境的捕捉力不足。未来研究可以将词典法与机器学习模型相结合，以识别更为广泛复杂的不文明表达行为。另外，研究也无法确定当前可获得的用户评论数据多大程度上存在不文明言论被筛查、屏蔽的问题。但根据网易新闻主打“无跟帖、不新闻”的平台定位，删帖情况并不常见，因此我们认为该情况对本研究的估计准确性影响也有限。在平台选择上，本文仅聚焦网易新闻这一单一的媒体平台，没有兼顾新浪微博、小红书等其他流行的社交媒体，而平台规则、内容生态、用户画像、文化氛围方面的差异也会对在线不文明表达带来影响。因此，跨平台比较也值得日后研究进一步探索。其次，本研究发现仍然聚焦在新闻评论这种特殊的媒介使用行为，在传播主体多元、信息形式多样的交互式网络平台中，网民、媒体、政府等多元行动者间的互动如何影响在线不文明话语表达也值得研究深入探索。本文针对软新闻参与行为的研究发现也无法对当前媒介娱乐生态的公共性后果做出普遍解释。尤其在短视频全民化所造就的泛娱乐环境中，还需警惕长期浸润在恶搞、调侃、浅层叙事和感官刺激的娱乐视频中所带来的影响。最后，未来研究也可以聚焦中国社会现实，对解释网民在线不文明话语表达的社会心态和个体心理进行深入挖掘。
（周金金 钟智锦：《软新闻与硬新闻对网络不文明的影响差异——基于网络新闻评论的计算分析》，2026年第7期，微信发布系节选，学术引用请务必参考原文）
